1.如何降低过拟合
答：过拟合是参数过多造成训练集准确率较高，但验证集或测试集准确率较低的情况，即过度拟合训练集数据。增加网络的深度和宽度都会增加参数量，像vgg那样3层3x3网络替代一个7层，既增加网络的深度 又减少参数量的方式是一种很好的方式。同一个网络增加训练数据量，即data augmentation。
一般方法：dropout，batch normalization，L1、L2 regularization(L1、L2正则化)，early stopping（http://blog.csdn.net/heyongluoyao8/article/details/49429629），weight decay（权值衰减），cross validation（交叉验证），增加噪声